为了提高机器人的定位精度，对传统的基于神经网络的机器人精度补偿方法进行改进。采用两种基于粒子群优化的极限学习机（PSO-ELM）模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿。分别对两种方法进行仿真实例分析，并与遗传算法优化的极限学习机（GA-ELM）模型进行对比。仿真结果表明，对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法，且具有较高的预测精度。
2021-09-30 14:38:54
1.62MB
1
本文概述了基于随机有限集的目标跟踪方法的产生、发展和研究现状．论文概要总结了基于随机有限集的目标跟踪方法的基础理论，主要包括随机有限集的理论基础，概率假设密度滤波器的理论基础，概率假设密度滤波器的实现方式以及基于随机有限集的目标跟踪算法的性能评价指标．文中同时简要介绍了概率假设密度滤波器在目标跟踪领域的应用，并对在该领域未来的发展提出了自己的看法．
2021-09-29 19:51:40
396KB
1
介绍了基于现场可编程门阵列（FPGA）技术实现波形显示的两种方法，同时针对波形显示中出现的不稳定性提出了一种稳定显示波形的策略。首先利用高速A/D转换器将采集的波形信号进行波形稳定控制，然后存进FPGA片内的RAM中，最后以VGA方式实时地显示出来。给出了两种方法的VGA波形显示图，并对比分析了两种方法的特点。
2021-09-29 11:33:11
284KB
1